第五部分參數(shù)估計(jì)與非參數(shù)估計(jì)-ppt課件

1、第五章第五章 參數(shù)估計(jì)與非參數(shù)估計(jì)參數(shù)估計(jì)與非參數(shù)估計(jì) 參數(shù)估計(jì)與監(jiān)視學(xué)習(xí) 參數(shù)估計(jì)實(shí)際 非參數(shù)估計(jì)實(shí)際 5-1 參數(shù)估計(jì)與監(jiān)視學(xué)習(xí)貝葉斯分類(lèi)器中只需知道先驗(yàn)概率，條件概率或后驗(yàn)概概率 P(i),P(x/i), P(i /x)就可以設(shè)計(jì)分類(lèi)器了。如今來(lái)研討如何用知訓(xùn)練樣本的信息去估計(jì)P(i),P(x/i), P(i /x) 一參數(shù)估計(jì)與非參數(shù)估計(jì)參數(shù)估計(jì)：先假定研討的問(wèn)題具有某種數(shù)學(xué)模型，如 正態(tài)分布，二項(xiàng)分布，再用知類(lèi)別的學(xué)習(xí) 樣本估計(jì)里面的參數(shù)。非參數(shù)估計(jì)：不假定數(shù)學(xué)模型，直接用知類(lèi)別的學(xué)習(xí) 樣本的先驗(yàn)知識(shí)直接估計(jì)數(shù)學(xué)模型。二監(jiān)視學(xué)習(xí)與無(wú)監(jiān)視學(xué)習(xí)監(jiān)視學(xué)習(xí)：在知類(lèi)別樣本指點(diǎn)下的學(xué)習(xí)和訓(xùn)練，

2、參數(shù)估計(jì)和非參數(shù)估計(jì)都屬于監(jiān)視學(xué)習(xí)。無(wú)監(jiān)視學(xué)習(xí)：不知道樣本類(lèi)別，只知道樣本的某些 信息去估計(jì)，如：聚類(lèi)分析。5-2參數(shù)估計(jì)實(shí)際 一最大似然估計(jì)假定： 待估參數(shù)是確定的未知量 按類(lèi)別把樣本分成M類(lèi)X1，X2，X3， XM 其中第i類(lèi)的樣本共N個(gè) Xi = (X1,X2, XN)T 并且是獨(dú)立從總體中抽取的 Xi中的樣本不包含 (ij)的信息，所以可以對(duì)每一 類(lèi)樣本獨(dú)立進(jìn)展處置。 第i類(lèi)的待估參數(shù)根據(jù)以上四條假定，我們下邊就可以只利用第i類(lèi)學(xué)習(xí)樣本來(lái)估計(jì)第i類(lèi)的概率密度，其它類(lèi)的概率密度由其它類(lèi)的學(xué)習(xí)樣本來(lái)估計(jì)。),.,(21nTij 1.普通原那么：普通原那么： 第第i類(lèi)樣本的類(lèi)條件概率密度：類(lèi)

3、樣本的類(lèi)條件概率密度： P(Xi/i)= P(Xi/ii) = P(Xi/i)原屬于原屬于i類(lèi)的學(xué)習(xí)樣本為類(lèi)的學(xué)習(xí)樣本為Xi=(X1 , X2 ,XN,)T i=1,2,M求求i的最大似然估計(jì)就是把的最大似然估計(jì)就是把P(Xi/i)看成看成i的函數(shù)，求的函數(shù)，求出使它最大時(shí)的出使它最大時(shí)的i值。值。學(xué)習(xí)樣本獨(dú)立從總體樣本集中抽取的學(xué)習(xí)樣本獨(dú)立從總體樣本集中抽取的 N個(gè)學(xué)習(xí)樣本出現(xiàn)概率的乘個(gè)學(xué)習(xí)樣本出現(xiàn)概率的乘積積取對(duì)數(shù)取對(duì)數(shù) ：NkiXkPiXPiiXPii1)|()|().|(NkikikNkXPXP11)|(log)|(log對(duì)i求導(dǎo),并令它為0：有時(shí)上式是多解的, 上圖有5個(gè)解,只需一個(gè)

4、解最大即. 0)|(log.11NkikpXP0)|(log.0)|(log111ikNkpikNkXPXPP(Xi/i)，即為的估值利用上式求出ii 2. 多維正態(tài)分布情況 知, 未知,估計(jì) 服從正態(tài)分布所以在正態(tài)分布時(shí))|(iiXP0)|(log1XPkNk121|2log21)|(XXXPkkTnk NkkX110NkkX1101i待估參數(shù)為代入上式得所以這闡明未知均值的最大似然估計(jì)正好是訓(xùn)練樣本的算術(shù)平均。 110)(NkkNXNkkXN11 ， 均未知 A. 一維情況：n=1對(duì)于每個(gè)學(xué)習(xí)樣本只需一個(gè)特征的簡(jiǎn)單情況： (n=1)由上式得 即學(xué)習(xí)樣本的算術(shù)平均 樣本方差21211,122

5、2212log21)|(logXXPkik0)(1)|(log11211XXPkNkikNk代入02)(21)|(log12212212NkkikNkXXPNkkXN1111NkXkN122121 討論： 1.正態(tài)總體均值的最大似然估計(jì)即為學(xué)習(xí)樣本的算術(shù)平均 2.正態(tài)總體方差的最大似然估計(jì)與樣本的方差不同，當(dāng)N較大的時(shí)候，二者的差別不大。 B多維情況：n個(gè)特征學(xué)生可以自行推出下式 估計(jì)值： 結(jié)論：的估計(jì)即為學(xué)習(xí)樣本的算術(shù)平均 估計(jì)的協(xié)方差矩陣是矩陣 的算術(shù) 平均nn陣列， nn個(gè)值NkkXN111XTXNkNkk121XXkTk二.貝葉斯估計(jì) 最大似然估計(jì)是把待估的參數(shù)看作固定的未知量，而貝葉

6、斯估計(jì)那么是把待估的參數(shù)作為具有某種先驗(yàn)分布的隨機(jī)變量，通過(guò)對(duì)第i類(lèi)學(xué)習(xí)樣本Xi的察看，使概率密度分布P(Xi/)轉(zhuǎn)化為后驗(yàn)概率P(/Xi) ，再求貝葉斯估計(jì)。估計(jì)步驟: 確定的先驗(yàn)分布P(),待估參數(shù)為隨機(jī)變量。 用第i類(lèi)樣本xi=(x1, x2,. xN)T求出樣本的結(jié)合概率密度分布P(xi|)，它是的函數(shù)。 利用貝葉斯公式,求的后驗(yàn)概率 dPXPPXPXPiii)()|()().|()|(（證明略）求貝葉斯估計(jì)dXPi)|(下面以正態(tài)分布的均值估計(jì)為例闡明貝葉斯估計(jì)的過(guò)程 一維正態(tài)分布:知2,估計(jì) 假設(shè)概率密度服從正態(tài)分布 P(X|)=N(,2), P()=N(0,02) 第i類(lèi)學(xué)習(xí)樣本

7、xi=(x1, x2,. xN)T, i=1,2,M 第i類(lèi)概率密度P(x|i,xi)=P(x|xi) 所以后驗(yàn)概率 (貝葉斯公式)dPXPPXPXPiii)()|()().|()|(由于N個(gè)樣本是獨(dú)立抽取的，所以上式可以寫(xiě)成 其中 為比例因子,只與x有關(guān),與無(wú)關(guān) P(Xk| )=N(,2),P(u)=N(0,02) 其中a,a包含了一切與無(wú)關(guān)的因子NkkiPXPaXP1)().|()|(dPXPai)()|(121exp2121exp21)|(00221kNkiXaXP 21exp10022NkkXa)1(2)1(21exp 200122202NkkXNaP(| xi)是u的二次函數(shù)的指數(shù)函

8、數(shù)P(| xi)依然是一個(gè)正態(tài)函數(shù), P(|Xi)=N(N,N2) 另外后驗(yàn)概率可以直接寫(xiě)成正態(tài)方式：比較以上兩個(gè)式子,對(duì)應(yīng)的系數(shù)應(yīng)該相等 21exp21)|(2NNNiXP0201222022111NkkNNXNN解以上兩式得 將N,N2代入P(|Xi)可以得到后驗(yàn)概率，再用公式 02022120202NXNNkkN2022022NN的估計(jì)求 ,)|(dXPi 對(duì)的估計(jì)為 假設(shè)令P()=N(0, 02 )=N(0,1) 與最大似然估計(jì)類(lèi)似，只是分母不同 02022120202NXNNkkNNNkkXNN111NidXP)|( 三貝葉斯學(xué)習(xí)1.貝葉斯學(xué)習(xí)的概念：求出的后驗(yàn)概率之后，直接去推導(dǎo)總

9、體分布即當(dāng)察看一個(gè)樣本時(shí)，N=1就會(huì)有一個(gè)的估計(jì)值的修正值當(dāng)察看N=4時(shí)，對(duì)進(jìn)展修正，向真正的接近當(dāng)察看N=9時(shí)，對(duì)進(jìn)展修正，向真正的靠的更近當(dāng)N,N就反映了察看到N個(gè)樣本后對(duì)的最好推測(cè)，而N2反映了這種推測(cè)的不確定性, N, N2,N2 隨察看樣本增加而單調(diào)減小，且當(dāng)N, N2 0 當(dāng)N，P(|xi)越來(lái)越尖峰突起N, P(|xi)函數(shù)，這個(gè)過(guò)程成為貝葉斯學(xué)習(xí)。 dXPXPdXPXPXXPiii)|()|()|()|()|(2類(lèi)概率密度的估計(jì) 在求出u的后驗(yàn)概率P(|xi)后，可以直接利用式 推斷類(lèi)條件概率密度。即P(x|xi) P(x|i ，xi)一維正態(tài)：知2，未知的后驗(yàn)概率為dxPxP

10、xxPii)|()|()|(服從正態(tài)分布21exp21)|(21exp21)|()|(22xxPxPxPNNNiidxPxPdxPxPxxPiii)|()|()|()|()|(代入dxNNN21exp2121exp2122dxxNNNNNNNN21exp21exp2122222222222221exp2122222NNNx為正態(tài)函數(shù)),(22NNN 結(jié)論： 把第i類(lèi)的先驗(yàn)概率P(i)與第i類(lèi)概率密度P(x|xi)相乘可以 得到第i類(lèi)的后驗(yàn)概率P(i/x) ，根據(jù)后驗(yàn)概率可以分類(lèi)。 對(duì)于正態(tài)分布P(x|xi)，用樣本估計(jì)出來(lái)的N替代原來(lái)的 用 替代原來(lái)的方差 即可。 把估計(jì)值N作為的實(shí)踐值，那么

11、使方差由原來(lái)的 變 為 ,使方差增大22N2222N多維正態(tài) 知，估計(jì) 設(shè)P(x|)=N(,) P()=N(0,0).根據(jù)Bayes公式，仿上面步驟可以得到：N , N 有以下關(guān)系21exp)|(1NNNTiaxP).(.1011ANN).(.)(100111BxNkkNN其中a與無(wú)關(guān)這就是在多維情況下，對(duì)的估計(jì) NANN10:)(011式得由010101)1(1)1(0)(1 NNxNBNkkNN式得：代入分類(lèi)器設(shè)計(jì)就可以代入將BayesdxPxPxxPiiN)|()|()|( 5-3非參數(shù)估計(jì) 參數(shù)估計(jì)要求密度函數(shù)的方式知，但這種假定有時(shí)并不成立，常見(jiàn)的一些函數(shù)方式很難擬合實(shí)踐的概率密度，

12、經(jīng)典的密度函數(shù)都是單峰的，而在許多實(shí)踐情況中卻是多峰的，因此用非參數(shù)估計(jì)。非參數(shù)估計(jì):直接用知類(lèi)別樣本去估計(jì)總體密度分布，方法有： 用樣本直接去估計(jì)類(lèi)概率密度p(x/i)以此來(lái)設(shè)計(jì)分類(lèi)器, 如窗口估計(jì) 用學(xué)習(xí)樣本直接估計(jì)后驗(yàn)概率p(i/x)作為分類(lèi)準(zhǔn)那么 來(lái)設(shè)計(jì)分類(lèi)器如k近鄰法. 1. 密度估計(jì):一個(gè)隨機(jī)變量X落在區(qū)域R的概率為P P(X)為P(X)在R內(nèi)的變化值,P(X)就是要求的總體概率密度 RP(x)RxPdxxPPRr)( 假設(shè)有N個(gè)樣本X=(X1, X2, XN)T都是按照P(X)從總體中獨(dú)立抽取的 假設(shè)N個(gè)樣本中有k個(gè)落入在R內(nèi)的概率符合二項(xiàng)分布 其中P是樣本X落入R內(nèi)的概率 Pk

13、是k個(gè)樣本落入R內(nèi)的概率 數(shù)學(xué)期望:E(k)=k=NP 對(duì)概率P的估計(jì): 。 是P的一個(gè)比較好的估計(jì) 設(shè)P(x)在R內(nèi)延續(xù)變化,當(dāng)R逐漸減小的時(shí)候,小到使P(x)在其上 幾乎沒(méi)有變化時(shí)，那么 其中 是R包圍的體積 PpCPkNkkNk1NkP NkNkdxxPPR) (NkVxPdxxPPR)() (RdxV 條件密度的估計(jì)： (V足夠小)討論: 當(dāng)V固定的時(shí)候N添加, k也添加,當(dāng) 時(shí) 只反映了P(x)的空間平均估計(jì)而反映不出空間的變化 N固定,體積變小 當(dāng) 時(shí),k=0時(shí) 時(shí) 所以起伏比較大,噪聲比較大,需求對(duì)V進(jìn)展改良. NkPVxP )(VNkxP)(Nk1NkPVVNkxP1)(0V0

14、)(VNkxP0kVNkxP)(對(duì)體積V進(jìn)展改良：為了估計(jì)X點(diǎn)的密度,我們構(gòu)造一串包括X的區(qū)域序列R1,R2,. RN.對(duì)R1采用一個(gè)樣本進(jìn)展估計(jì)，對(duì)R2采用二個(gè)樣本進(jìn)展估計(jì).。設(shè)VN是RN的體積，KN是N個(gè)樣本落入VN的樣本數(shù)那么密度的第N次估計(jì)： VN是RN的體積 KN是N個(gè)樣本落入VN的樣本數(shù)PN(x)是P(x)的第N次估計(jì)VNk(x)PNN假設(shè)假設(shè)PN(x)收斂于收斂于P(x)應(yīng)滿足三個(gè)條件：應(yīng)滿足三個(gè)條件： ，當(dāng)，當(dāng)N時(shí)，時(shí)，VN，N，VN0 這時(shí)雖然樣本數(shù)多，但由于這時(shí)雖然樣本數(shù)多，但由于VN，落入，落入VN內(nèi)的樣本內(nèi)的樣本KN 也減小，所以空間變化才反映出來(lái)也減小，所以空間變化才

15、反映出來(lái) ，N ，kN ，N與與KN同相變化同相變化 ，KN的變化遠(yuǎn)小于的變化遠(yuǎn)小于N的變化。的變化。 因此雖然因此雖然在在R內(nèi)落入了很多的樣本，但同總數(shù)內(nèi)落入了很多的樣本，但同總數(shù)N比較比較, 依然是很依然是很小的一部分。小的一部分。0limVNNKNNlim0limNKNN如何選擇VN滿足以上條件： 使體積VN以N的某個(gè)函數(shù)減小，如 (h為常數(shù)) 使KN作為N的某個(gè)函數(shù)，例 VN的選擇使RN正好包含KN個(gè)近鄰 V1K1，V2K2，.VRKR Kn近鄰法NhVNNKN窗口法2.Parzen窗口估計(jì)假設(shè)RN為一個(gè)d維的超立方體，hN為超立方體的長(zhǎng)度超立方體體積為： ， d=1，窗口為一線段 d

16、=2，窗口為一平面 d=3，窗口為一立方體 d3，窗口為一超立方體窗口的選擇： hVdNN其他.021| , 1)(uu|exp)(uu 方窗函數(shù)指數(shù)窗函數(shù)21exp21)(2uu正態(tài)窗函數(shù)(u) (u)(u)hN 正態(tài)窗函數(shù) (u) 是以原點(diǎn)x為中心的超立方體。在xi落入方窗時(shí)，那么有 在VN內(nèi)為1 不在VN內(nèi)為0落入VN的樣本數(shù)為一切為1者之和 密度估計(jì)22hxxhxxNiNi1212|hhhxxNNNiNiNiNhxxK1)|(NiNiNNNNhxxVNVNKxP1)|(11)(討論： 每個(gè)樣本對(duì)估計(jì)所起的作用依賴于它到x的間隔，即 | x-xi|hN/2時(shí)， xi在VN內(nèi)為1，否那么為

17、0。 稱為 的窗函數(shù)，取0，1兩種值，但有 時(shí)可以取0, 0.1, 0.2多種數(shù)值，例如隨xi離x接近的程度， 取值由0, 0.1, 0.2到1。)|(hxxNihxxNi|)|(hxxNi 要求估計(jì)的PN(x)應(yīng)滿足：為滿足這兩個(gè)條件，要求窗函數(shù)滿足： 窗長(zhǎng)度hN對(duì)PN(x)的影響假設(shè)hN太大, PN(x)是P(x)的一個(gè)平坦, 分辨率低的估計(jì), 有平均誤差假設(shè)hN太小, PN(x)是P(x)的一個(gè)不穩(wěn)定的起伏大的估計(jì),有噪聲誤差為了使這些誤差不嚴(yán)重， hN應(yīng)很好選擇hxhxxdhxxhxxNixNiNiNi|0)|()|(0)|(1)(0)(dxxPxPNN例1：對(duì)于一個(gè)二類(lèi) 1 ，2 識(shí)

18、別問(wèn)題，隨機(jī)抽取1類(lèi)的6個(gè)樣本X=(x1，x2，. x6)1=(x1，x2，. x6) =(x1=3.2，x2=3.6，x3=3，x4=6，x5=2.5，x6=1.1)估計(jì)P(x|1)即PN(x)解：選正態(tài)窗函數(shù))21exp(21)(2uu)|(21exp21)|()(2hxxhxxuNiNi0123456x6x5 x3 x1 x2x4xx是一維的上式用圖形表示是6個(gè)分別以3.2，3.6，3，6，2.5，1.1為中心的丘形曲線(正態(tài)曲線)，而PN(x)那么是這些曲線之和。)05| 1 . 1|(21exp134. 0.)05| 2 . 3|(21exp134. 0)|(11)(221xxhxx

19、VNxPNiNiNN5 . 0665 . 0VN665 . 0h,NhhV11NNN，其中選由圖看出，每個(gè)樣本對(duì)估計(jì)的奉獻(xiàn)與樣本間的間隔有關(guān)，樣本越多， PN(x)越準(zhǔn)確。例2：設(shè)待估計(jì)的P(x)是個(gè)均值為0，方差為1的正態(tài)密度函數(shù)。假設(shè)隨機(jī)地抽取X樣本中的1個(gè)、 16個(gè)、 256個(gè)作為學(xué)習(xí)樣本xi,試用窗口法估計(jì)PN(x)。解：設(shè)窗口函數(shù)為正態(tài)的， 1，0hN:窗長(zhǎng)度，N為樣本數(shù)，h1為選定可調(diào)理的參數(shù)。)|(21exp21)|(2hxxhxxNiNiNhh1N設(shè)NiiNiNiNhNxxNhhxxhNNxP112111|21exp211)|(1)(v用 窗法估計(jì)單一正態(tài)分布的實(shí)驗(yàn)Parzen

20、001.001.01.00.10.10001.001.01.00.10.10001.001.01.00.10.1025.01h202202202001.001.01.00.10.1011h41hN=N=256N=16N=1討論：由圖看出, PN(x)隨N, h1的變化情況 當(dāng)N1時(shí)， PN(x)是一個(gè)以第一個(gè)樣本為中心的正態(tài)外形的小丘，與窗函數(shù)差不多。 當(dāng)N16及N=256時(shí) h10.25 曲線起伏很大，噪聲大 h11 起伏減小 h14 曲線平坦，平均誤差 當(dāng)N時(shí)， PN(x)收斂于一平滑的正態(tài)曲線， 估計(jì)曲線較好。例3。待估的密度函數(shù)為二項(xiàng)分布解：此為多峰情況的估計(jì)設(shè)窗函數(shù)為正態(tài)解：此為多峰

21、情況的估計(jì)設(shè)窗函數(shù)為正態(tài)x-2.5-210.2502P(x)025. 01)(xP-0.25x-20 x2x為其它NhhuuN12,21exp21)(001.001.01.00.10.10001.001.01.00.10.10001.001.01.00.10.1025.01h202202202001.001.01.00.10.1011h41hN=N=256N=16N=1v用 窗法估計(jì)兩個(gè)均勻分布的實(shí)驗(yàn)Parzen當(dāng)N=1、16、256、 時(shí)的PN(x)估計(jì)如下圖 當(dāng)N1時(shí)， PN(x) 實(shí)踐是窗函數(shù)。 當(dāng)N16及N=256時(shí) h10.25 曲線起伏大 h11 曲線起伏減小 h14 曲線平坦 當(dāng)

22、N時(shí)，曲線較好。結(jié)論： 由上例知窗口法的優(yōu)點(diǎn)是運(yùn)用的普遍性。對(duì)規(guī)那么分布，非規(guī)那么分布，單鋒或多峰分布都可用此法進(jìn)展密度估計(jì)。 要求樣本足夠多，才干有較好的估計(jì)。因此使計(jì)算量，存儲(chǔ)量增大。3.KN近鄰估計(jì)：在窗口法中存在一個(gè)問(wèn)題是對(duì)近鄰估計(jì)：在窗口法中存在一個(gè)問(wèn)題是對(duì)hN的選擇問(wèn)題。的選擇問(wèn)題。假設(shè)假設(shè)hN選太小，那么大部分體積將是空的即不包含樣本，選太小，那么大部分體積將是空的即不包含樣本，從而從而使使PN(x)估計(jì)不穩(wěn)定。假設(shè)估計(jì)不穩(wěn)定。假設(shè)hN選太大，那么選太大，那么PN(x)估計(jì)較平坦，估計(jì)較平坦，反映不反映不出總體分布的變化，而出總體分布的變化，而KN近鄰法的思想是以近鄰法的思想是以x為中心建立空胞，為中心建立空胞，使使v，直到捕捉到，直到捕捉到KN個(gè)樣本為止。個(gè)樣本為止。 稱稱KN-近鄰估計(jì)近鄰估計(jì) v的改良，樣本密度大，的改良，樣本密度大，VN ; 樣本密度小